对于现代工程结构,其结构安全性的要求贯穿整个结构生命周期,为了保障结构在运营期间不会发生突发性破坏造成严重生命危险及经济损失,因此工程结构状态评估显得尤为重要。近阶段,在结构状态评估方面,结构损伤识别一直是研究热点。为了满足损伤识别方法针对不同模型的适用性,以及识别的准确性。本文围绕时间序列分析方法,引入神经网络概念和统计分析理论针对不同模型,不同问题对损伤识别方法进行研究,主要内容有:(1)为了验证神经网络的损伤识别方法,采用无噪声五自由度弹簧阻尼系统和5%噪声干扰的ASCE Benchmark模型,通过时序方法对结构加速度响应信号参数化建模,并提取模型自回归系数矩阵作为神经网络输入,分析结果显示基于该方法能够准确识别这两种不同模型的损伤位置信息,且低水平噪声干扰对识别结果影响不明显,方法对于不同模型具有适用性。(2)对于建模困难的复杂结构,不能通过模型提前构造已知损伤状态,对于这种损伤识别问题,基于ASCE Benchmark模型和东津站模型,将时间序列分析和概率统计理论相结合。根据对大量样本时序分析建模结果,构造基于前3阶模型系数的损伤指标,拟合指标概率密度函数,对结构不同损伤工况的识别,给出概率估计结果。研究发现,随着现代传感器测量技术和响应信号处理分析技术的发展,利用大量实测数据,以统计方法实现对结构损伤识别的方法有着很大的发展空间。